【背景】
券商数据类岗位总体来说，可以分为业务线、产品线和IT技术线。需要说明的是，这里是按照能力线的逻辑做的分类。在实际工作，会存在一个岗位涉及到多个技能线的情况。3条线的日常工作和岗位技能要求均不相同，大家在择业的时候，需要结合个人特长爱好，做一个职业决策。
【业务线】
业务线的数据类岗位就是数据分析岗，在不同的地方会有不同的叫法，比如商业数据分析，经营数据分析，运营策略分析，网络营销分析，财务企划分析，战略数据分析等等。
这种岗位产生的原因，由于各条金融业务有了精细化运营的需求，而传统业务人员忙于业务日常运营工作而数据能力不足，因此需要配备一个专门的数据人员，来帮忙完成取数、设计报表、分析的工作。低阶的数据分析岗就是帮忙取数做报表，高阶的则是会赋能业务团队做分析，或者做一些算法模型。
在实际工作场景中，数据分析师用得最多的工具，就是sql语言和excel工具，俗称“查数姑”和excel机器，因此这也是目前数据分析师最尴尬的地方，就不像业务也不像技术，更像是业务的数据助手。
显而易见，正是由于运营人员数据能力不足和便捷式数据平台的缺乏，才诞生了数据分析师是个中间态的岗位。目前的业务现状是：业务人员+数据人员，后续会合并为一个数据化业务人员。因此数据分析师发展趋势就是成为一个业务人员，否则就转岗去技术或产品。
【产品线】
产品线的数据类岗位就是数据产品经理，数据产品经理和一般的产品经理的没什么不同，只是负责的产品线没啥区别。数据产品一般会分为数据中台和AI中台，典型的数据中台会包含数据治理模块、标签模块、可视化报表模块、分析模块等功能，典型AI中台会包含算法模块和智能工作模块。
首先，介绍下数据中台的各大功能模块。数据治理模块目的是统一指标口径和定义，提供统一的数据底层，总的来说会包含数据地图、血缘管理、数据质量中心及数据质量管理等；标签模块目的统一管理业务标签，会包含标签生产、标签校验、标签调用等功能；可视化报表模块目的是管理业务报表，会包含可视化组件、数据接口、业务报表/策略报表等功能；分析模块提供用户行为分析、策略分析等功能。
再次，介绍下AI中台的各大功能模块。算法模块包含了模型库、算法库、模型训练、特征工程、模型调用等模块，主要是提供算法能力的输出；智能工作模块包含了各种应用，比如智能外呼、人脸识别、智能写稿的功能；
结合上述分析，在实际工作中，产品经理一方面要做基本的业务调研、需求文档撰写、原型设计、项目跟踪等工作，另一方面要了解业务流程和分析方法论。总的来说，数据产品经理的职业发展路径相对清晰。
【IT技术线】
IT技术线的数据类岗位就是大数据岗位+区块链+云平台岗+AI算法岗。由于笔者在这块涉猎较浅，就只能简单谈一下。
大数据岗位一般就是搭建大数据平台，目前主流的大数据技术是hive。AI算法岗主要是AI算法的实现，客观来说，AI技术在券商的落地场景相对有限，总的来说人脸识别、智能对话和智能写稿。而个性化智能推荐还有待数据中台和运营中台的成熟，目前应用还很少。
IT技术线的工作相对单纯，技能点也相对硬核，集中在编程语言和数学算法。这条线的职场人，建议后续就是往IT项目管理和IT规划管理层面走。
